python matplotlib模块实例讲解
程序员文章站
2022-03-29 21:05:49
matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包。我将在这篇文章中介绍matplotlib API的核心对象,并介绍如何使用这些对象来实现...
matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包。我将在这篇文章中介绍matplotlib API的核心对象,并介绍如何使用这些对象来实现绘图。实际上,matplotlib的对象体系严谨而有趣,为使用者提供了巨大的发挥空间。用户在熟悉了核心对象之后,可以轻易的定制图像。matplpotlib是基于numpy的,所以需要先安装numpy
pip install numpy #安装numpy pip install matplotlib #安装matplotlib pip show matplotlib #查看matplotlib的信息
matplotlib使用numpy进行数组运算,并调用一系列其他的Python库来实现硬件交互。matplotlib的核心是一套由对象构成的绘图API。
- 最简单的显示一条直线
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y = 2*x+1 plt.figure() plt.plot(x,y) plt.show()
你将看到
同时显示两条线
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--') plt.show()
你将看到
坐标轴取值范围
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--') plt.xlim((-1,2)) #x轴范围 plt.ylim((-2,3)) #y轴范围 plt.show()
你将看到
描述 xlabel ylabel
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') plt.show()
你将看到
更换标签
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') new_ticks = np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1,1,3,],['bad','really bad','good','really good',]) plt.show()
你将看到
修改坐标轴的位置
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1) plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') new_ticks = np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1,1,3,],[r'$bad$','really bad','good','really good',]) ax = plt.gca() ax.spines['right'].set_color('none') #把右侧坐标轴去掉 ax.spines['top'].set_color('none') #把上面坐标轴去掉 ax.xaxis.set_ticks_position('bottom') #x轴为下面的轴 ax.yaxis.set_ticks_position('left') #y轴为左侧的轴 ax.spines['bottom'].set_position(('data',0)) #x轴绑定在y轴0处 ax.spines['left'].set_position(('data',0)) #y轴绑定在x轴0处 plt.show()
你将看到
图例
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1,label='y1') plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--',label='y2') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') new_ticks = np.linspace(-1,2,5) plt.xticks(new_ticks) plt.yticks(np.linspace(-1,3,5)) ax = plt.gca() ax.spines['right'].set_color('none') #把右侧坐标轴去掉 ax.spines['top'].set_color('none') #把上面坐标轴去掉 ax.xaxis.set_ticks_position('bottom') #x轴为下面的轴 ax.yaxis.set_ticks_position('left') #y轴为左侧的轴 ax.spines['bottom'].set_position(('data',0)) #x轴绑定在y轴0处 ax.spines['left'].set_position(('data',0)) #y轴绑定在x轴0处 plt.legend(loc='best') plt.show()
你将看到
标注
在图片中添加注解
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1,label='y1') # plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--',label='y2') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') new_ticks = np.linspace(-1,2,5) ax = plt.gca() ax.spines['right'].set_color('none') #把右侧坐标轴去掉 ax.spines['top'].set_color('none') #把上面坐标轴去掉 ax.xaxis.set_ticks_position('bottom') #x轴为下面的轴 ax.yaxis.set_ticks_position('left') #y轴为左侧的轴 ax.spines['bottom'].set_position(('data',0)) #x轴绑定在y轴0处 ax.spines['left'].set_position(('data',0)) #y轴绑定在x轴0处 plt.legend(loc='best') x0=0.5 y0=2*x0+1 plt.scatter(x0,y0,c = 'r',marker = 'o') plt.plot([x0,x0],[0,y0],'k--',lw=2.5) #(x0,0)与(x0,y0)之间的虚线连接 #标注 #方法1 plt.annotate(r'$(0.5,2)$',xy=(x0,y0)) #方法2 plt.text(1,2,u'(0.5,2)') plt.show()
你将看到
坐标轴刻度调整
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2 plt.figure() plt.plot(x,y1,label='y1',lw=1) # plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--',label='y2') plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel('X') plt.ylabel('Y') new_ticks = np.linspace(-1,2,5) ax = plt.gca() ax.spines['right'].set_color('none') #把右侧坐标轴去掉 ax.spines['top'].set_color('none') #把上面坐标轴去掉 ax.xaxis.set_ticks_position('bottom') #x轴为下面的轴 ax.yaxis.set_ticks_position('left') #y轴为左侧的轴 ax.spines['bottom'].set_position(('data',0)) #x轴绑定在y轴0处 ax.spines['left'].set_position(('data',0)) #y轴绑定在x轴0处 plt.legend(loc='best') plt.xticks(new_ticks) plt.yticks(np.linspace(-1,3,5)) for label in ax.get_xticklabels()+ax.get_yticklabels(): label.set_fontsize(12) #设置字体 label.set_bbox(dict(facecolor='white',edgecolor='None',alpha=0.8)) #alpha表示透明度 plt.show()
你将看到
散点数据
import matplotlib.pyplot as plt import numpy as np n = 1204 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n) T = np.arctan2(Y,X) plt.scatter(X,Y,s=75,c=T,alpha=0.5) plt.xlim((-1,1)) plt.ylim((-1,1)) plt.xticks(()) plt.yticks(()) plt.show()
你将看到
条形图(bar)
import matplotlib.pyplot as plt import numpy as np n = 12 X = np.arange(n) Y1 = (1-X/(float(n))*np.random.uniform(0.5,1.0,n)) Y2 = (1-X/(float(n))*np.random.uniform(0.5,1.0,n)) plt.bar(X,+Y1,facecolor='r',edgecolor='w') plt.bar(X,-Y2,facecolor='b',edgecolor='w') for x,y in zip(X,Y1): plt.text(x-0.1,y+0.05,'%.2f'%y,ha='center',va='bottom') #居中对齐 for x,y in zip(X,Y2): plt.text(x+0.1,-y-0.05,'-%.2f'%y,ha='center',va='top') plt.xlim((-0.5,n)) plt.ylim((-2,2)) plt.xticks(()) plt.yticks(()) plt.show()
你将看到
等高线
import matplotlib.pyplot as plt import numpy as np def f(x,y): return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2) n = 256 x = np.linspace(-3,3,n) y = np.linspace(-3,3,n) X,Y = np.meshgrid(x,y) plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot) C = plt.contour(X,Y,f(X,Y),8,colors='black',lw=0.5) #等高线分多少部分 plt.clabel(C,inline=True,fontsize=10) plt.xticks(()) plt.yticks(()) plt.show()
你将看到
3D
import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = Axes3D(fig) X = np.arange(-4,4,0.25) Y = np.arange(-4,4,0.25) X,Y = np.meshgrid(X,Y) R = np.sqrt(X**2+Y**2) #Z是高度值 Z = np.sin(R) ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #stride表示跨度 # ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow') # ax.set_zlim(-2,2) plt.show()
你将看到
多个显示
第1种
import matplotlib.pyplot as plt import numpy as np plt.figure() plt.subplot(2,2,1) plt.plot([0,1],[0,1]) plt.subplot(2,2,2) plt.plot([0,1],[0,2]) plt.subplot(2,2,3) plt.plot([0,1],[0,3]) plt.subplot(2,2,4) plt.plot([0,1],[0,4]) plt.show()
第2种
import matplotlib.pyplot as plt import numpy as np plt.figure() plt.subplot(2,1,1) plt.plot([0,1],[0,1]) plt.subplot(2,3,4) plt.plot([0,1],[0,2]) plt.subplot(2,3,5) plt.plot([0,1],[0,3]) plt.subplot(2,3,6) plt.plot([0,1],[0,4]) plt.show()
下一篇: 原生JS的封装